论文部分内容阅读
对于压缩感知信号的恢复,寻找约束l0—范数最小值问题的最优解一直是NP难问题,它通常需要使用其他目标函数来获得近似的解决方案。通过使用神经网络算法,构建RNN模型来解决l0—范数的最小值问题。对于构建的RNN模型,使用修正的近似函数作为目标函数逼近l0—范数,并模拟原始信号进行仿真。通过比较该算法与其他算法的恢复性,该模型只需要较少的观测次数就可以正确的恢复稀疏信号。